ムービー資料ダウンロード

【動画&資料ダウンロード】Supership 機械学習事例セッション with Databricks Japan様

Supershipグループは「Supership Day」と題して、6月9日(火)〜6月11日(木)の3日間、計6テーマのウェビナーを開催しました。

当記事では、Session 4「Supership 機械学習事例セッション with Databricks Japan様」のセッションレポートをお送りします。

セッション概要

Supershipではデータの高度活用をテーマに、機械学習やデータサイエンティストによるデータ分析業務を通して、顧客やパートナーの皆様の売上拡大やコスト削減への貢献を目指した取り組みを行っております。 この取り組み推進にあたり、データサイエンスや機械学習プラットフォームにおけるグローバルリーダーである”Databricks社”とのパートナーシップを推進しており、今回は2社によるユースケースをご案内いたします。

講師プロフィール

Kenny Takeuchi 竹内賢佑(Databricks Japan株式会社)

ゲスト
Kenny Takeuchi 竹内賢佑(Databricks Japan株式会社)

2002年アメリカン大学卒業、2012年マサチューセッツ大学アマースト校にてMBA取得。Adobeでのアライアンス及びエンタープライズセールスチーム統括を経て、2017年にはSalesforce.comにてコマースクラウド事業部執行役員に就任し、立ち上げから指揮を取るなど主にDXの分野でビジネスを牽引。
2020年5月より、Databricks Japan株式会社社長に着任。

稲田 暁人(Supership株式会社)

稲田 暁人(Supership株式会社)

データソリューション事業領域データソリューション室長
グリー株式会社にてパートナーアライアンス業務に従事後、AWS Japanに参画し、主にウェブ業界やゲーム業界向けにクラウドサービスの普及に注力。その後、2015年にSupership株式会社にジョイン。データビジネス事業の立ち上げから携わり、Supershipが強みとする良質なデータと顧客・パートナーが保有するデータ統合を通じた価値創出をテーマに、多様なビジネスに従事。

機械学習をより簡易にしていきたい

セッションでははじめに、Supershipの稲田から、機械学習の利用に際して重要視している点や事例についてお話しました。

稲田は、企業内で機械学習を利用しデータを活用する際によく聞かれる課題として「全社的には『事業において自社(もしくは他社)データを活用したい』といった共通の目的があるものの、それぞれの立場で見ている視点が異なっており、活用する上での様々な課題がある」ことを挙げました。

事業責任者からは「コストが高い」「時間がかかる」「データがどういった形で成果物を生むのか疑問」といった声があがり、データサイエンティストからは「分析環境がしっかり構築されておらず負担がかかる」「社内のリクエストで分析の依頼を受けたが何のためのものか理由が不明瞭」、そしてエンジニアからは「システム構築に時間がかかる」「将来的にどういった機能を追加する前提で設計すればいいのか不明」といった声が多く聞かれるといいます。

これらのよく聞かれる課題に対するSupershipの考えについて、稲田は次のように述べました。

稲田「何のためにデータを活用するのか、といったゴールを具体的に持ちながらも、まずは小さく始めるのが良いのではないかと考えています。最初から複雑なシステムを開発する方針にしてしまうと、当初の計画と違う事業目的が生まれたときにシステムが追いつかなかったり、システムが属人化することでメンバーの退職によって汎用性が効かなくなったりという問題が起こり得るため、汎用的なオープンソースなどを使いながら環境作りをしていったほうが良いのではないでしょうか。

そのうえで、分析の手前にある管理や処理といったフェーズの作業時間を極力少なくし、データサイエンティストの稼働をどこまで生産的に高くできるかというところにフォーカスをしたいと考えています。

機械学習は『ちょっと難しい』『コストがかかる』といったふうに考えられていますが、それらをもっと簡易に人々に手に渡るようにしていきたい、ということがSupershipの考えだと思って頂ければ幸いです」

データ活用における、分析基盤の構築から実際の活用までの一連のフローをワンストップで支援し、国内企業のデジタルトランスフォーメーションを加速させるため、SupershipはDatabricks社との戦略的パートナーシップを締結しています(参考:プレスリリース)。

Supership社内でも、広告配信におけるCVR/CTRの最大化を目的としたデータ活用において、時間とコストを抑えながら膨大なデータを処理しなければならないという課題に対し、Databricksのツールを活用してスピードアップを図るなど、多くの事例を挙げることができます。

データで顧客体験をリアルタイムに最適化する

続けて、Databricks Japanの竹内様が、Databricksのサービスや導入事例について紹介しました。

Databricks社は、ビッグデータ分析に広く用いられるオープンソースの分散処理フレームワーク「Apache Spark」の研究プロジェクトを開始したチームにより設立されました。Apache Sparkや、Delta Lake、MLflowといったオープンソースソフトウェアを組み合わせ、AI・機械学習向けの統合データ分析プラットフォームを様々な業界に提供しています。

このあと竹内様は、小売業(ECサイト)におけるソリューションの活用事例について紹介されました。昨今の“コロナ禍”における小売業の変革の必要性について、竹内様は次のように話しています。

竹内様「小売業を取り巻く環境は大きく変化していて、特に新型コロナウイルス対策によるお客様の動向の変化を企業自身が把握し、変革していく必要があります。今まで培ってきたデータやお客様の行動履歴などを活用するのはもちろんですが、その変化が加速しているため、今起きていることをリアルタイムに明確に分析し、アクションを取っていく必要がある状況となっています。

そういった状況の中では、ポイントなどの顧客ロイヤリティプログラムだけで他社に対抗することは厳しくなっており、お客様の全ての接点を明確に把握してカスタマーエクスペリエンスの設計と改善をしていく必要があります。

ただ、それを企業が一つのシステム上で対応する事は非常に難しく、個々のシステムのデータを企業のデータレイクに集積し、さまざまな分析を行わなければいけません。販売やマーケティング、サポートといった様々な部署がシームを超えて連携し分析することによって初めてそのお客様の体験をきれいに洗い出すことができ、それに対応することが、今後の売り上げに貢献するのではないかと考えています」

ECにおけるショッピング体験のパーソナライゼーションにおいて、障壁となっているのが以下の3点であると竹内様は話します。

  • データが“サイロ化”している(そのデータを管理している部門しかデータを閲覧できないようになっているなど
  • 顧客体験をリアルタイムに最適化できない
  • 機械学習ワークフローが煩雑で、プロジェクトの管理工数が多くかかってしまう

これらに対し、Databricksのソリューションでは、一つのプラットフォームでデータを統合管理でき、リアルタイムデータを確実かつ容易に取り込み・更新することが可能で、また機械学習モデルを複数人で開発・管理でき、ショッピング体験のパーソナライゼーションにおける課題の解決を図ることができるとしています。

セミナーでは、Supership社内における機械学習の事例や、Databricksのソリューションについてより詳細にご説明していますので、ぜひアーカイブ動画も併せてご覧ください。

フォームに入力いただけるとアーカイブ動画を閲覧可能になります。またアンケートにお答えいただけると資料もダウンロード可能となります。



PAGETOP